| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Büyük Veri | SWE 307 | 5 | 3 + 0 | 3 | 5 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Zorunlu |
| Dersin Koordinatörü | Prof.Dr. AHMET ÖZMEN |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Alanına Uygun Öğretim |
| Dersin Amacı | Büyük veri kavramı, görselleştirme ve analiz yöntemleri tanıtılmaktadır. Büyük verilerde sık kullanılan araçlar açıklanmaktadır. Ayrıca, büyük veri uygulamaları geliştirmek ve Python'a giriş için gerekli altyapılar tanıtılmaktadır. |
| Dersin İçeriği | Veri biliminde temel kavramlar, büyük veri analizi, görselleştirme, araçlar ve uygulamalar. |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Büyük veri analizi ve temel kavramların öğrenilmesi | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, | Sınav, Ödev, Proje / Tasarım, |
| 2 | Programlama ile model geliştirme anlama | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, | Sınav, Ödev, Proje / Tasarım, |
| 3 | Büyük veri altyapı sistemlerinin öğrenilmesi | Anlatım, Soru-Cevap, | Sınav, Proje / Tasarım, |
| 4 | Verilerin grafiksel gösterimi hakkında bilgi sahibi olunması | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Grup Çalışması, Bireysel Çalışma, Proje Temelli Öğrenme , | Proje / Tasarım, Performans Görevi, |
| 5 | Arama motorlarında ve öneri sistemlerinde temel yöntemleri kavrayabilme | Alıştırma ve Uygulama, Grup Çalışması, Bireysel Çalışma, Proje Temelli Öğrenme , | Proje / Tasarım, Performans Görevi, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Büyük veriye giriş, temel bilgiler | |
| 2 | Python'a giriş | |
| 3 | R Dili | |
| 4 | Veri analizi ve görselleştirme | |
| 5 | Hadoop Sistemleri | |
| 6 | Striim, Cloudera | |
| 7 | Makina öğrenmesi: doğrusal regresyon, sınıflandırma, kümelendirme | |
| 8 | Apache Spark, Hive, Cassandra | |
| 9 | Spark with No Sql, Kafka system, RabbitMQ | |
| 10 | Spark ML kütüphane uygulamaları | |
| 11 | PageRank, arama sistemleri | |
| 12 | Tensor Flow ile analiz, VoltDB, Data Flow | |
| 13 | Büyük veri uygulamaları | |
| 14 | Projelerin değerlendirilmesi |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | Nasir Raheem, Big Data: A Tutorial-Based Approach, CRC Press, 2019, ISBN0429592450, 9780429592454 |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi. | ||||||
| 2 | Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. | ||||||
| 3 | Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. | ||||||
| 4 | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. | ||||||
| 5 | Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi. | ||||||
| 6 | Bilişim Teknolojilerinin yönetim, denetim, gelişim ve güvenliği/güvenilirliği hakkında bilgi sahibi olma ve farkındalık. | ||||||
| 7 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. | ||||||
| 8 | Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi. | ||||||
| 9 | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. | ||||||
| 10 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi. | ||||||
| 11 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. | ||||||
| 12 | Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. | ||||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Büyük veri analizi ve temel kavramların öğrenilmesi | ||||||||||||
| 2 | Programlama ile model geliştirme anlama | ||||||||||||
| 3 | Büyük veri altyapı sistemlerinin öğrenilmesi | ||||||||||||
| 4 | Verilerin grafiksel gösterimi hakkında bilgi sahibi olunması | ||||||||||||
| 5 | Arama motorlarında ve öneri sistemlerinde temel yöntemleri kavrayabilme |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 40 |
| 1. Kısa Sınav | 10 |
| 2. Kısa Sınav | 10 |
| 1. Performans Görevi (Uygulama) | 40 |
| Toplam | 100 |
| 1. Yıl İçinin Başarıya | 50 |
| 1. Final | 50 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 14 | 1 | 14 |
| Ara Sınav | 1 | 15 | 15 |
| Kısa Sınav | 2 | 4 | 8 |
| Performans Görevi (Uygulama) | 1 | 25 | 25 |
| Final | 1 | 20 | 20 |
| Toplam İş Yükü | 124 | ||
| Toplam İş Yükü / 25 (Saat) | 4,96 | ||
| dersAKTSKredisi | 5 | ||